tensorflow - 用于检测小物体的 SSD

Question

我将使用 Google Detection API 的 SSD 模型来检测小物体（如图片中的排球）。

我想更改配置文件中的以下参数（纵横比、比例、..）：

anchor_generator {
  ssd_anchor_generator {
    num_layers: 6
    min_scale: 0.2
    max_scale: 0.95
    aspect_ratios: 1.0
    aspect_ratios: 2.0
    aspect_ratios: 0.5
    aspect_ratios: 3.0
    aspect_ratios: 0.3333

我有三个问题：

• 为了修改这些参数（比例、纵横比……），我需要重新训练模型吗？或者在这些修改之后，我仍然可以使用预训练模型并对我的数据进行微调？

• 由于我要检测的对象与图像大小相比都很小，增加或减少移动网络中的卷积层数量是否会提高（速度或准确性）检测？如果是，我可以在哪个文件中应用这些更改？

• 是否有任何特定的方法可以修改 SSD mobilenet 检测器以使其更好地检测小物体？例如，我知道 4X4 特征图（网格）对于我的对象的大小来说太大了，有没有办法删除课程网格并只保留细网格（如 8X8）？

谢谢你。

标签： tensorflowdetection

Answer 1

为了修改这些参数（比例、纵横比……），我需要重新训练模型吗？或者在这些修改之后，我仍然可以使用预训练模型并对我的数据进行微调？ 是的，您需要重新训练您的模型，因为该网络经过训练可以找到该特定纵横比的排球，但是您可以重新训练现有网络而不是使用新网络。

由于我要检测的对象与图像大小相比都很小，增加或减少移动网络中的卷积层数量是否会提高（速度或准确性）检测？如果是，我可以在哪个文件中应用这些更改？ 通常，您想要仍然产生合理精度的接近最小尺寸的网络，但是我不确定 tensorflow 是否允许设置图像重采样限制，因为在该图像大小下，您可能会完全从图像中重新采样排球。训练是任何神经网络中最慢的部分，并且运行检测查询对性能来说并不是什么大问题。

是否有任何特定的方法可以修改 SSD mobilenet 检测器以使其更好地检测小物体？例如，我知道 4X4 特征图（网格）对于我的对象的大小来说太大了，有没有办法删除课程网格并只保留细网格（如 8X8）？ 如前所述，重新采样对设置很重要，但是我不确定是否可能。也许这可能是规模参数。